社内でAIエージェントを試したいが、どのライブラリから始めればいいか分からない。LangChainは複雑すぎ、n8nは柔軟性が足りない——そんな中小企業のIT担当に向けて、Anthropicが直接提供する Claude Agent SDK の最小実装手順を解説する。2025年末に「Claude Code SDK」から改称されたこのランタイムは、10行のコードで本番品質のエージェントを動かせる設計になっている。

Claude Agent SDKとは何か

Claude Agent SDKはAnthropicのオープンソースエージェント実行ランタイムで、ツール実行・サブエージェント・MCP統合を標準装備する。2025年末にClaude Code SDKから改称され、コード以外の業務自動化も視野に入れた汎用設計に進化した。

Claude Agent SDKが他のフレームワークと異なる点は、エージェントループを隠蔽しないことだ。「コンテキスト収集 → ツール実行 → 結果検証 → 繰り返し」というサイクルを開発者が明示的に確認しながら制御できる。この透明性が、デバッグを容易にし、予期しない挙動の原因追跡を速める。

標準で利用できる機能は以下の通りだ:

Bash実行・ファイル読み書き・WebSearch・WebFetch
Model Context Protocol（MCP）クライアント
サブエージェントによる並列実行
セッション継続（session_id による再開）
ライフサイクルフック（PreToolUse / PostToolUse / Stop）

コスト面では、ライブラリ自体は無料で、APIトークン消費またはClaude Maxの Agent SDK クレジット（Max 5x: 月100ドル、Max 20x: 月200ドル）で賄う。2026年6月15日から Agent SDK クレジットが独立した枠として設けられている。

最小実装はどう書くか

最小実装はquery()関数の10行で完結する。Pythonなら pip install claude-agent-sdk と ANTHROPIC_API_KEY 設定だけで即日動かせる。

インストール（Python）:
``bash pip install claude-agent-sdk export ANTHROPIC_API_KEY=your_api_key``

Node.jsの場合:
``bash npm install @anthropic-ai/claude-agent-sdk``

最小実装コード（Python）:
```python
import asyncio
from claude_agent_sdk import query, ClaudeAgentOptions

async def main():
async for message in query(
prompt="content/reports/ 配下のCSVを読み込み、売上合計を計算して報告せよ",
options=ClaudeAgentOptions(
allowed_tools=["Read", "Glob", "Bash"],
),
):
print(message)

asyncio.run(main())
```

返ってくるメッセージは3種類: SystemMessage（セッション情報）、AssistantMessage（Claudeの推論ステップ）、ResultMessage（最終出力とトークンコスト）。ResultMessage にはモデル別のコスト内訳も含まれるため、費用の把握がしやすい。

権限制御の実装: エージェントには最小権限を与えるのが原則だ。canUseTool ハンドラで危険な操作を事前にブロックできる:
``python def can_use_tool(tool_name, tool_input): if tool_name == "Bash": cmd = tool_input.get("command", "") if "rm -rf" in cmd or "DROP TABLE" in cmd: return {"behavior": "deny"} return {"behavior": "allow"}``

本番運用では、ループガード（反復上限）と反復検出も必ず実装する。ドキュメントが明記している通り、「動くデモと本番エージェントの距離は多くのチームが想定するより大きい」。

カスタムツールをどう追加するか

カスタムツールはSDK付属のin-process MCPサーバーで実装する。ネットワーク不要のインプロセス実行で低レイテンシを保ちながら、社内APIへの接続が可能だ。

自社の顧客管理システムを参照するツールの実装例:
```python
from claude_agent_sdk.mcp import create_sdk_mcp_server, tool

@tool("get_customer", "顧客IDで顧客情報を取得する", {"customer_id": str})
async def get_customer(args):
result = your_crm_api.fetch(args["customer_id"])
return {"content": [{"type": "text", "text": str(result)}]}

server = create_sdk_mcp_server(name="crm", tools=[get_customer])

使用時は allowed_tools に追加

Q: 最小実装はどう書くか

最小実装はquery()関数の10行で完結する。Pythonなら pip install claude-agent-sdk と ANTHROPIC_API_KEY 設定だけで即日動かせる。

options = ClaudeAgentOptions( allowed_tools=["mcp__crm__get_customer", "Read"], mcp_servers=[server], ) ```

ツール名は mcp__<サーバー名>__<ツール名> の形式で allowed_tools に指定する。この設計により、Claudeは「顧客情報を調べて報告書を作成する」といった複合タスクを自律的にこなせるようになる。MCPサーバーの詳しい実装についてはMCPサーバーを実装するも参照されたい。

KuuのAIエージェント運用管理サービス（ai-ops）では、このようなカスタムツール設計の支援とその後の運用管理も行っている。

サブエージェントで処理を並列化するには

サブエージェントはAgentDefinitionで役割を定義し、allowed_toolsに "Agent" を追加することで有効化する。独立したコンテキストウィンドウで並列動作し、複合タスクの処理速度と品質を改善する。

```python
from claude_agent_sdk import AgentDefinition

options = ClaudeAgentOptions(
allowed_tools=["Read", "Grep", "Agent"],
agents={
"sales-analyst": AgentDefinition(
description="売上データ分析専門エージェント",
prompt="売上CSVを分析し、前月比・製品別傾向を数値で報告せよ",
tools=["Read", "Bash"],
),
"report-writer": AgentDefinition(
description="レポート作成専門エージェント",
prompt="受け取った分析結果を経営会議向けMarkdownレポートに整形せよ",
tools=["Write"],
),
},
)
```

上記では「分析」と「レポート作成」を専門エージェントに分業させている。Anthropicの研究では、並列サブエージェント構成は単一エージェント比で最大90%のベンチマーク改善が報告されている。

ただし、サブエージェントの過剰生成はメモリとコストの増大を招く。ステップが明確に決まっているタスクでは、シンプルな線形ワークフローのほうが速く・安く・デバッグしやすい。サブエージェントは「実行パスが事前に決められないオープンエンドなタスク」にのみ使うのが原則だ。

セッションの中断・再開には、SystemMessage から session_id を取得して保存し、次回の query() 呼び出しで渡す。これにより長時間タスクをチェックポイント形式で進められる。

参考

まとめ

Claude Agent SDKは「10行で動かせる手軽さ」と「本番運用に耐える設計」を両立している。query() で最小実装から始め、in-process MCPツールで自社システムと接続し、サブエージェントで並列化する——この3ステップが中小企業にとっての現実的な進め方だ。エージェントの設計・運用体制の構築に課題を感じた際は、Kuu株式会社のAIエージェント運用管理サービスにご相談いただきたい。

Claude Agent SDK 最小実装——中小企業が30分で動かす手順